深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
821	2025-09-11	Two-Step Semi-Automated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2025-Sep-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	提出一种基于深度学习的半自动化两阶段框架，用于在脑部MRI图像中检测脉络膜转移瘤	采用分层深度学习框架，结合YOLOv5定位网络与进化策略训练的二元分类网络，有效解决小数据集下的过拟合与欠拟合问题	模型无法区分左右眼眶，且mAP(0.5:0.95)指标较低，样本量较小（仅97名患者）	提高脑部MRI中脉络膜转移瘤的检测准确率，减少漏诊	脑部MRI图像中的眼眶区域及脉络膜转移瘤	计算机视觉	脉络膜转移瘤	深度学习，进化策略	YOLOv5, CNN	MRI图像	97名患者的386张T2加权轴向MRI切片，其中66张用于分类（33正常 vs 33异常）
822	2025-09-11	Development of an MRI-Based Comprehensive Model Fusing Clinical, Habitat Radiomics, and Deep Learning Models for Preoperative Identification of Tumor Deposits in Rectal Cancer 2025-Sep-09, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70075 PMID:40926527	研究论文	开发基于MRI的融合临床、生境放射组学和深度学习模型的综合模型，用于直肠癌术前肿瘤沉积识别	首次探索结合临床特征、生境放射组学和深度学习特征的融合模型用于术前肿瘤沉积检测	回顾性研究设计，样本来源有限（仅两个中心）	术前识别直肠癌肿瘤沉积并评估预后	经手术确诊的直肠癌患者	医学影像分析	直肠癌	MRI T2加权成像，nnUNet分割，放射组学特征提取	融合模型（临床+放射组学+DL），nnUNet	医学影像（MRI），临床数据	635例患者（训练集259例，内部验证112例，外部验证264例）
823	2025-09-11	Multimodal machine learning for staging laparoscopy: a combined image analysis and morphologic tool for the discrimination of peritoneal metastasis 2025-Sep-09, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003448 PMID:40928288	研究论文	开发一种结合图像分析和形态学特征的多模态机器学习模型，用于在分期腹腔镜术中区分腹膜转移灶与良性病变	首次将深度学习图像分类与专家形态学评估相结合，构建多模态机器学习模型，显著提升腹膜转移灶的术中识别准确率	研究样本量有限（67例患者），且仅为内部验证，需外部数据集进一步验证泛化能力	提高分期腹腔镜术中腹膜转移灶的识别准确性，减少不必要的活检	接受分期腹腔镜检查的疑似腹膜转移患者及其腹腔病变	计算机视觉	腹膜转移癌	深度学习、传统机器学习、多模态融合	多模态机器学习模型（结合图像与形态特征）	视频帧图像与形态学特征数据	67例患者的453个连续活检病变（良性197个，恶性256个）
824	2025-09-11	DeepPhosPPI: a deep learning framework with attention-CNN and transformer for predicting phosphorylation effects on protein-protein interactions 2025-Sep-06, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf462 PMID:40914970	研究论文	提出首个基于序列的深度学习框架DeepPhosPPI，用于预测磷酸化对蛋白质-蛋白质相互作用的影响	结合注意力机制CNN和Transformer模型，并采用预训练蛋白质语言模型（ProtBERT和ESM-2）进行特征嵌入	NA	开发高效计算方法来预测磷酸化对蛋白质相互作用的影响，替代实验验证	蛋白质磷酸化及其对蛋白质-蛋白质相互作用(PPIs)的调控	自然语言处理	神经退行性疾病和癌症	深度学习，蛋白质语言模型	attention-CNN, Transformer, ProtBERT, ESM-2	蛋白质序列	NA
825	2025-09-11	Detecting, Characterizing, and Mitigating Implicit and Explicit Racial Biases in Health Care Datasets With Subgroup Learnability: Algorithm Development and Validation Study 2025-Sep-04, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/71757 PMID:40905712	研究论文	开发并验证了一种名为AEquity的简单指标，用于检测和缓解医疗数据集中隐含和明确的种族偏见	提出了一种基于学习曲线近似的新指标AEquity，专注于在数据层面而非模型层面解决偏见问题，支持交叉人群分析和多种公平性度量	NA	开发并验证一种能够区分和缓解医疗数据集中种族偏见的指标	医疗数据集，包括胸部X光片、医疗成本利用数据和全国健康与营养调查数据	机器学习	NA	学习曲线近似，深度学习	全连接网络，CNN（如ResNet-50），Transformer（如VIT-B-16），Light Gradient-Boosting Machine	医疗数据，图像数据	NA
826	2025-09-11	Dynamic network compression via probabilistic channel pruning 2025-Sep-04, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108080 PMID:40925121	研究论文	提出一种基于概率通道剪枝的动态网络压缩方法，无需微调即可减少模型参数并提升精度	引入概率连接模块动态激活/停用通道连接，结合深度卷积分解有效诱导稀疏性	NA	解决神经网络压缩问题，减少计算密集型深度学习模型的限制	神经网络模型（ResNet-56, VGG-19）	机器学习	NA	概率通道剪枝，卷积分解	CNN	NA	NA
827	2025-09-09	Multimodal Deep Learning for Generating Potential Anti-Dengue Peptides 2025-Sep-02, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c03510 PMID:40918327	研究论文	提出一种多模态深度学习框架，用于预测和生成潜在抗登革热病毒肽	整合高性能预测模型与生成学习，首次采用多模态BiLSTM和堆叠神经网络结合生成对抗网络来发现新型抗病毒肽	抗登革热肽数据有限，可能影响模型泛化能力	开发计算框架加速抗登革热病毒肽的发现	抗登革热肽(ADPs)及其与登革热病毒包膜蛋白的相互作用	自然语言处理	登革热	多模态深度学习，序列表示	BiLSTM, CNN, Transformer, WGAN-GP, 随机森林	肽序列数据	生成33种新型ADP序列，预测3种IC值低于10μM的候选肽
828	2025-09-11	Development and validation of a user-friendly prediction tool for preoperative T-Staging in gallbladder Cancer: A multicenter study using contrast-enhanced CT-Based fusion models 2025-Sep, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110117 PMID:40412011	研究论文	开发并验证基于对比增强CT多模态融合模型的胆囊癌术前T分期预测工具	提出加权融合模型（wGBCT），整合临床、影像组学和深度学习特征，并开发用户友好型预测工具	回顾性研究，样本量有限（189例），需多中心前瞻性验证	提高胆囊癌术前T分期的准确性以指导手术规划	胆囊癌患者	医学影像分析	胆囊癌	CT影像组学特征提取、深度学习特征提取、多模态融合	融合模型（Rad+DL+Clinical）、加权平均模型	医学影像（CT动脉期/门静脉期序列）、临床数据	189例患者（训练111例，内部验证48例，时间验证30例）
829	2025-09-11	Deep learning reveals the complex genetic architecture of male guppy colouration 2025-Sep, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-025-02781-w PMID:40596731	研究论文	利用深度学习结合基因组学方法揭示雄性孔雀鱼颜色变异的遗传架构	首次将卷积神经网络应用于高分辨率表型分析，结合全基因组重测序发现Y染色体基因重复是性连锁颜色变异的主要机制	NA	研究雄性孔雀鱼颜色变异的遗传基础和遗传力	雄性孔雀鱼（Poecilia reticulata）	计算生物学	NA	全基因组重测序、基因组关联分析（GWAS）、选择实验、控制系谱	CNN	图像、基因组序列	NA
830	2025-09-11	Deep-Learning-Driven High Spatial Resolution Attenuation Imaging for Ultrasound Tomography (AI-UT) 2025-Sep, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3592578 PMID:40705570	研究论文	提出一种基于深度学习的高空间分辨率超声衰减成像方法，用于改善乳腺组织特性表征	结合深度学习与声速结构约束，实现高分辨率低方差的衰减成像，突破传统QUS和USCT方法的限制	方法依赖特定扫描仪（QTI BACT）的多角度RF数据，尚未明确说明模型泛化能力和临床验证范围	开发高空间分辨率超声衰减成像技术以提升乳腺组织表征能力	人类乳腺组织	医学影像分析	乳腺癌	超声断层扫描（USCT）、定量超声（QUS）、深度学习	深度学习模型（具体架构未说明）	射频（RF）超声数据	使用60个角度视图的RF数据（具体样本数未明确说明）
831	2025-09-11	Survey on sampling conditioned brain images and imaging measures with generative models 2025-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00487-3 PMID:40917152	综述	本文全面概述了生成模型在脑成像领域的进展，特别是条件生成方法的应用	重点探讨了基于年龄、性别、临床表型或遗传因素等变量条件化生成脑图像的方法，以增强数据集多样性并支持罕见疾病研究	NA	推动条件生成模型在神经科学研究和临床工作流程中的整合	脑成像数据及其生成模型	神经科学	神经系统疾病	生成模型（如VAE、GAN、扩散模型）	VAE, GAN, 扩散模型	脑图像	NA
832	2025-09-11	Neural interaction explainable AI predicts drug response across cancers 2025-Sep, NAR cancer IF:3.4Q2 DOI:10.1093/narcan/zcaf029 PMID:40918644	研究论文	提出一种可解释的深度学习框架NeurixAI，用于预测癌症药物反应并揭示药物-基因相互作用	开发了可扩展且可解释的AI框架，能够识别转录组模式与药物反应的关联，并发现非癌症药物的抗癌潜力	NA	优化癌症个性化治疗选择，实现药物重定位和新治疗靶点发现	癌症患者肿瘤样本和药物反应数据	机器学习	癌症	深度学习，可解释人工智能(xAI)	深度学习框架	转录组数据，药物扰动实验数据	546,646个药物扰动实验，涉及1,135种药物和476个肿瘤的分子谱
833	2025-09-11	Artificial Intelligence and Network Medicine: Path to Precision Medicine 2025-Sep, NEJM AI DOI:10.1056/aira2401229 PMID:40918693	综述	本文综述了人工智能与网络医学结合在精准医学中的应用与挑战	整合网络医学与深度学习技术分析多组学数据，提升计算过程的预测精度和生物学洞察	面临生物医学复杂性的持续挑战	推动精准医学发展，定义疾病机制和精确疗法	分子相互作用网络和多组学数据集	机器学习	NA	多组学数据分析	深度学习	分子网络数据	NA
834	2025-09-11	Ectopic adipose tissue in subsistence populations with minimal coronary disease, large left atria, and very low rates of atrial fibrillation 2025-Sep, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2025.101271 PMID:40918927	研究论文	通过CT成像比较两个美洲原住民自给群体与美国人群的心外膜脂肪和心血管指标，探讨其与冠心病及房颤的低发病率关联	首次在冠心病和房颤极低的自给自足人群中系统研究心外膜脂肪组织，并报告了Tsimane人群迄今文献中最低的心外膜脂肪体积	研究为横断面比较，无法直接证明因果关系；人群生活方式和文化背景存在差异，可能引入混杂因素	探究自给人群低心血管疾病发病率与心外膜脂肪分布的关系	Tsimane和Moseten美洲原住民自给群体与美国对照人群	数字病理学	心血管疾病	CT成像、深度学习软件测量	深度学习（具体模型未说明）	医学影像（CT）	893名Tsimane成人、440名Moseten成人、955名美国对照成人
835	2025-09-11	Integrating explainable deep learning with multi-omics for screening progressive diagnostic biomarkers of hepatocellular carcinoma covering the "inflammation-cancer" transformation 2025-Sep, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101253 PMID:40919103	研究论文	本文提出一种可解释深度学习与多组学整合方法，用于筛选肝细胞癌进展性诊断生物标志物，覆盖'炎症-癌症'转化过程	结合可解释深度学习与多组学数据，系统追踪肝细胞癌从炎症到癌变的生物标志物动态变化	NA	开发肝细胞癌早期诊断与进展预测的生物标志物筛选方法	肝细胞癌及其前期炎症病变	数字病理学	肝细胞癌	多组学分析，深度学习	可解释深度学习模型	多组学数据	NA
836	2025-09-11	Drosophila video-assisted activity monitor (DrosoVAM): a versatile method for behaviour monitoring 2025-Sep, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.250764 PMID:40919370	研究论文	介绍一种名为DrosoVAM的新型果蝇行为监测系统，相比传统DAM系统更灵活、经济且灵敏	开发了基于树莓派控制的红外视频系统，结合深度学习软件DeepLabCut实现多天果蝇活动追踪	NA	探索交配后活动变化的潜在机制，需要相对高通量的监测系统	果蝇（特别是较大物种）	行为监测	NA	红外数字视频系统，深度学习追踪	DeepLabCut	视频	多个监测腔室的果蝇样本
837	2025-09-11	Mitigation of multi-scale biases in cell-type deconvolution for spatially resolved transcriptomics using HarmoDecon 2025-Sep-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf451 PMID:40796171	研究论文	提出HarmoDecon，一种用于空间转录组学细胞类型反卷积的半监督深度学习模型，以缓解多尺度偏差	首次同时解决细胞类型反卷积在spot级别、样本级别和跨平台数据分布的三个尺度偏差问题	NA	开发高精度的空间转录组学细胞类型反卷积方法	空间转录组数据中的细胞类型比例估计	生物信息学	乳腺癌	空间转录组学(STARmap, osmFISH, 10x Visium), scRNA-seq	高斯混合图卷积网络	基因表达数据	多个数据集包括人类乳腺癌样本
838	2025-09-11	Optimizing Federated Learning Configurations for MRI Prostate Segmentation and Cancer Detection: A Simulation Study 2025-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.240485 PMID:40736362	研究论文	通过模拟研究优化联邦学习配置，用于MRI前列腺分割和临床显著前列腺癌检测	针对多客户端联邦学习框架进行配置优化，显著提升了前列腺分割和癌症检测的性能与泛化能力	基于模拟研究，实际临床部署效果需进一步验证；前列腺分割任务中与基线模型差异不显著	开发和优化联邦学习框架，以提升MRI前列腺分割和癌症检测的准确性与泛化性	前列腺MRI图像及临床显著前列腺癌检测	医学影像分析	前列腺癌	联邦学习(FL)，双参数MRI	nnU-Net	MRI图像	前列腺分割：4个客户端，1294名患者；癌症检测：3个客户端，1440名患者
839	2025-09-11	Early warning of harmful cyanobacteria blooms based on high frequency in situ monitoring and intelligible machine learning modelling: The case study of Lake Müggelsee (Germany) 2025-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124514 PMID:40925059	研究论文	基于高频原位监测和可解释机器学习模型开发有害蓝藻水华的早期预警系统，并以德国Müggelsee湖为例进行验证	提出可解释机器学习建模原则，比较三种不同算法（XGBoost、LSTM-ATT和HEA）在蓝藻水华预测中的性能，强调模型可解释性和泛化能力	研究基于单一湖泊案例，模型泛化能力需在更多水体中验证；不同时间分辨率数据对预测性能的影响需进一步研究	开发可操作、可解释的蓝藻水华早期预警系统	湖泊水体中的蓝藻水华现象	机器学习	NA	高频原位监测（HFISD）、机器学习建模	XGBoost, LSTM with attention, HEA (规则推理)	时间序列水质数据（水温、浊度、pH、藻蓝蛋白）	11年的每小时和每日高频监测数据
840	2025-09-11	Lightweight hybrid Mamba2 for unsupervised medical image registration 2025-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.18104 PMID:40926670	研究论文	提出一种基于Mamba-2的轻量级混合模型HybridMorph，用于无监督医学图像配准	结合卷积和Mamba-2设计残差混合模块(RHM)与并行通道特征聚合器(PCFA)，在降低计算成本的同时提升特征提取能力	NA	解决资源受限医疗环境中的部署挑战，提升医学图像配准的效率和精度	医学图像（脑部MRI）	医学图像处理	NA	无监督学习	HybridMorph (CNN + Mamba-2)	图像	NA